提高AI引用率2.7倍：官网结构化数据（JSON-LD）配置指南
企业官网经常遇到一种尴尬情况：产品参数、公司介绍、服务范围都已经写在页面上，AI回答相关问题时却很少引用官网，甚至把第三方平台上的旧信息当成事实来源。
问题未必出在内容数量上。很多网站的信息对人来说很清楚，对机器却不够明确。页面里出现了公司名称、品牌名称和产品名称，但没有说明三者的关系；文章写了发布日期，却看不出作者和审核主体；多个页面使用不同版本的地址、电话或企业简称。信息都在，关系没有讲清楚。
JSON-LD处理的正是这类问题。
JSON-LD究竟解决什么问题
JSON-LD是一种结构化数据表达方式。它把网页里的企业、人物、产品、服务、文章和其他对象标记出来，同时说明这些对象之间的关系。
普通页面可能写着：“华东研发中心负责某项技术服务。”人可以结合上下文理解“研发中心”属于哪家公司，也能大致判断“技术服务”指什么。机器处理时则可能遇到几个问题：公司主体不明确、服务没有标准名称、研发中心与总部的关系不清、页面更新时间无法确认。
结构化数据可以补充这些信息，让机器知道当前页面描述的主体是谁，它属于什么类型，与官网中的其他页面有什么联系。
我的看法是，JSON-LD更像一份随页面提交的“资料登记表”。正文负责向读者解释事情，结构化数据负责把事实对象和关系登记清楚。两者内容应当一致，但用途不同。
为什么结构化数据可能影响AI引用
降低实体识别错误
名称相近是企业官网的常见问题。公司全称、品牌名、产品系列名和公众号名称可能同时出现。缺少统一定义时，AI容易把品牌当成公司，把产品名称当成独立机构，或者把同名企业的信息混在一起。
在Organization类型的数据中统一企业名称、规范名称、简称、标识、联系方式和官网地址，可以为其他页面提供稳定的主体参照。产品页、文章页和服务页再通过发布者、提供方或所属品牌等关系指向这个主体，网站内部的实体关系就会清楚很多。
帮助机器判断页面用途
“关于我们”“产品介绍”“行业文章”和“常见问题”在视觉上可能采用相似模板，但它们承担的任务完全不同。
如果所有页面只保留通用的WebPage信息，机器只能依赖标题和正文猜测页面性质。根据实际内容配置Article、Product、Service、FAQPage或BreadcrumbList等类型，可以减少这种猜测。
类型不是越多越好。一个普通产品介绍页没有真实问答内容，就不应为了增加标记数量强行加入FAQPage。错误类型带来的不是加分，而是更多冲突。
补足正文中容易被忽略的事实
发布日期、修改时间、作者、审核人、产品型号、服务区域等信息，有时不会出现在正文的显眼位置，却会影响AI对内容可信度和时效性的判断。
这些字段适合通过结构化数据明确表达，前提是页面上确实存在对应信息。结构化数据不能成为隐藏内容区，更不能加入用户看不到的宣传结论。
官网应该配置哪些结构化数据
企业主体信息
官网首页通常需要先定义企业主体。建议整理以下内容：
企业法定或正式名称、常用品牌名、官网地址、品牌标识、成立信息、联系电话、办公地址、服务区域和官方账号。
这里最容易出问题的是信息版本不统一。例如，首页使用品牌简称，联系我们页面使用公司全称，招聘页面仍保留旧地址，结构化数据又写着另一套电话。AI面对多个版本时不会自动知道哪个才是最新的。
配置之前，最好先建立一份企业事实表。表中写明当前有效值、生效日期、信息负责人和对应页面。JSON-LD只是调用这些事实，不负责替企业判断哪一条才是真的。
网站与页面信息
WebSite用于说明网站名称、网址和所属主体。WebPage则描述当前页面，包括页面名称、简介、主要对象和页面层级。
这两个类型看起来基础，却能把企业与官网、官网与具体页面连接起来。如果缺少这层关系，产品页和文章页可能各自成为孤立信息，机器不容易确认它们是否来自同一个官方主体。
文章与知识内容
新闻、研究文章、技术解读和指南类页面适合使用Article或更具体的文章类型。
配置时应关注标题、摘要、作者、发布机构、首次发布时间、修改时间、主图和正文主题。作者是真实人物就指向人物信息；以企业名义发布，就明确发布机构。不要把“编辑部”“运营团队”随意包装成行业专家。
修改时间也不能在每次页面加载时自动变成当天日期。这样的时间看似新鲜，实际上破坏了信息记录。只有正文发生实质变化，才应更新修改时间。
产品与服务信息
实体产品可以使用Product，咨询、检测、研发、软件实施等业务则更适合Service。两者不应混用。
产品名称、型号、品牌、用途、规格和适用范围需要与页面正文保持一致。价格、库存、评分等字段只有在页面公开展示并且能够持续维护时才配置。官网没有公开价格，却在结构化数据中填写一个估算值，很容易造成错误传播。
服务页面应说明服务名称、提供主体、服务对象和覆盖区域。全国性服务与指定城市服务要区分，避免AI把局部服务能力扩大成全国承诺。
面包屑与问答内容
BreadcrumbList可以表达页面在网站中的层级位置。例如某篇文章属于知识中心下的AI风控栏目，而不是公司新闻栏目。清晰的层级有助于机器理解页面主题，也方便后续内容管理。
FAQPage只适合页面中真实展示的问答内容。问题应来自用户实际关心的事项，回答也要具体。为了覆盖关键词而批量制造空泛问答，通常只会让页面变得冗长。
一套更稳妥的配置顺序
先做事实盘点
不要一上来就写JSON-LD。先检查官网中的企业名称、品牌、地址、电话、产品型号、资质状态和更新时间。
发现冲突后，先修正文。否则结构化数据只是在旧问题上增加一个新版本。
再建立实体关系
确定企业主体后，再梳理品牌、产品、服务、人物和文章之间的关系。
可以把官网理解成一张关系图：企业拥有品牌，品牌包含产品，企业提供服务，文章由企业或作者发布，文章讨论某个产品或问题。关系理顺后，字段配置会简单很多。
按页面选择类型
首页以企业和网站主体为主，产品页描述产品，服务页描述服务，文章页描述内容，问答页描述实际问答。页面可以同时包含多个有关联的对象，但不应为了显得完整而堆满类型。
判断标准很简单：页面正文真正讲了什么，结构化数据就标记什么。
检查正文与标记是否一致
配置完成后，逐项比较页面可见内容与结构化字段。重点检查名称、日期、作者、图片、价格、地址、资质和服务范围。
还要留意重复标记。部分网站主题、SEO插件和人工模板可能同时生成结构化数据，最后出现两个企业主体、多个网页地址或互相矛盾的发布日期。机器并不会替网站自动合并这些信息。
如何衡量“AI引用率提高2.7倍”
“引用率”需要先定义，否则2.7倍没有实际意义。
比较稳妥的方法是建立固定问题库，记录配置前后的回答变化。问题可以覆盖品牌介绍、产品用途、服务范围、企业资质、技术文章和常见误解。
每轮测试应尽量保持平台、问题、时间范围和判断标准一致。监测内容至少包括：官网是否被引用、引用了哪个页面、事实是否准确、是否引用旧信息、不同问法下结果是否稳定。
假设配置前100次有效测试中，官网被引用10次；配置后相同口径下被引用27次，才可以描述为引用率达到原来的2.7倍。这里比较的是10次与27次，不是提高了2.7个百分点。
样本过少时，倍数很容易失真。原来只有一次引用，后来出现三次，看上去增长三倍，实际上说明不了太多。我的建议是同时记录引用次数、引用准确率和错误持续时间，不要只展示一个漂亮的倍数。
常见配置错误
把结构化数据当成关键词工具
JSON-LD不是隐藏关键词区。反复填写行业词、地区词和业务词，不会自然增加引用机会，反而可能让主体定义变得混乱。
标记页面中不存在的信息
页面没有作者、价格或评分，却在结构化数据里补上这些内容，会造成正文与机器数据不一致。短期可能没有明显影响，长期却会增加错误引用风险。
所有页面使用同一份数据
企业信息可以复用，页面信息不能完全复制。文章标题、摘要、发布时间和主要对象都应随页面变化。全站使用同一套Article或Product数据，相当于告诉机器所有页面都在描述同一个对象。
配置后长期不维护
企业改名、产品下线、地址迁移或资质到期后，结构化数据也要同步调整。很多网站只更新了页面上的文字，模板里的旧字段仍然存在。对于机器来说，这两套信息具有同样的读取机会。
JSON-LD需要成为内容治理的一部分
单独部署一次结构化数据，效果通常有限。官网正文含糊、页面长期不更新、企业信息互相冲突时，再完整的标记也无法替代事实质量。
我更赞成把JSON-LD纳入网站发布流程。新页面上线时检查类型和字段，旧页面修改时同步更新时间，产品下线时处理状态与相关页面，企业信息变化时统一更新事实表。这样做有些琐碎，却比事后追查AI为什么引用错误省事得多。
提高AI引用率的基础并不神秘：让官网提供清楚、稳定、可以核验的事实。JSON-LD的价值，在于帮助机器更快地读懂这些事实以及它们之间的关系。至于能否达到2.7倍，应由持续监测来回答，而不是由标题提前保证。
14:07